Logistic-Map混沌扩频序列的有限精度实现新方法

结合线性反馈移位寄存器 (linearfeedbackshiftregister,LFSR)最大长度码序列 ,提出一种收缩法来实现有限精度数字混沌系统。研究了扩频码的周期和相关性能与实现精度和LFSR的级数的关系 。

基于Logistic-Map的数字混沌调制方法

离散混沌动力系统Ｌｏｇｉｓｔｉｃ－Ｍａｐ产生的混沌离散序列具有良好的统计特性和对初值非常敏感的特性，利用这些特性，提出一种基于Ｌｏｇｉｓｔｉｃ－Ｍａｐ数字混沌调制方法并构造相应的保密通信系统，且进行了计算机仿真。在此基础上提出了调制系数宽范围变化的数字混沌调制方法。

基于Logistic-map的长周期混沌序列发生器

利用无周期的混沌映射生成长周期伪随机序列具有巨大的优越性,但有限字长效应会使混沌序列出现动力学特征退化,从而出现短周期现象,导致混沌序列安全性显著降低。分析了采用整数类型实现Logistic型混沌序列对周期特性的影响,指出整数型Logitstic-map序列不具备长周期特性,提出了一种利用m序列加扰Logistic-map的长周期混沌序列发生器的实现方案,并对输出序列特性进行了仿真分析。该方案易于实现,降低了长周期对整数位数的要求,输出序列的周期得到明显扩展,随机性、相关性和线性复杂度良好。

Logistic-Map混沌序列的单片机实现

混沌序列的产生是混沌理论应用于保密通信领域的一个重要问题。通过对Logistic映射进行变换处理,利用整数运算代替小数运算,使程序便于在MCS-51系列单片机平台上运行,由此产生Logistic-Map混沌序列。

Logistic-Map混沌序列作为扩频码的研究

对有限长度Logistic-Map混沌序列的相关特性进行了分析,与实际应用扩频序列的相关特性进行了比较。并对分别采用二种扩频序列时的系统容量进行比较,证明了Logistic-Map混沌序列用作扩频码的可行性。

BP混沌混合神经网络在光纤陀螺温度漂移预测中的应用

提出使用BP混沌混合神经网络建立FOG温度漂移模型的方法。该方法在BP算法中采用了改进型Logistic-Map映射生成的混沌变量,能够避免陷入局部最小,可迅速达到全局最优。应用该方法分析某型FOG温度漂移实测数据,结果表明其具有良好的预测效果。

模糊控制与神经网络相结合的预测研究

针对模糊控制与神经网络的特点,提出了一种新的将模糊逻辑与神经网络相结合的方式,即模糊神经网络,同时给出了有效的算法;该算法训练速度快,预测精度高,并且用仿真实验验证了该模糊神经网络对混沌系统具有很好的预测性能。利用该模糊神经网络对一维Logistic map标准混沌系统进行了预测仿真实验,同时,与一般的神经网络进行了对比,讨论了该模型对被噪音污染的混沌数据的处理能力。